更全的杂志信息网

水面无人艇的抗追捕-逃跑策略

更新时间:2009-03-28

随着蓝水海军战略的推进,水面无人艇(unmanned surface vehicle,USV)以其高机动性、智能化和无人化的特点,成为未来海上远距离作战的重要装备。当USV上搭载多种传感器和作战模块后,可执行警戒、侦察、监视、跟踪、探雷、灭雷和通信中继等任务。目前服役和在研的USV在基本实现了路径巡航[1-2]、避碰避障[3-5]等初级自主行为后,开始逐步向高级自主行为发展。美国海军已率先在USV高级自主行为研究领域取得重大突破—“蜂群战术”,它们以集群协同作战模式,一旦侦察到“可疑船只”,便自主对其进行包围和拦截。本文以“蜂群战术”为背景,假设我方USV被敌方侦察到后,在机动性不逊于敌方的情况下,提出了一种抗追捕-逃跑策略来动态规划我方USV的逃跑路径,对提高其自主性、智能性和对抗性具有重要意义。

国内外相关专家对追逃问题进行了深入研究,并在机器人[6-9]、无人机对抗[10-11]和导弹拦截[12-13]等领域取得了很多研究成果。针对追逃问题有两种主流解决思路,即分层分解法和状态降维法。前者将问题视为多个并行层面的单追捕-逃跑问题,其核心在于如何加强追捕者之间的协作[14],如哈密顿-雅克比(Hamilton-Jacobi)方程法[13, 15];后者是将连续状态离散化,其核心在于如何保证在离散过程中不降低实际模型的求解精度,如栅格法[8]、时间间隔法[9]、Voronoi图法[11],其中Voronoi图法的求解速度最快,但此类方法往往假设追逃双方具有相同的运动速度,且均能实现瞬时转身。

我最好奇的是无影屋。不是我好奇心太强,而是它真的很奇怪。一个大房间里,只摆放着几个茶几,墙上画着画,那些画看起来都是黑夜的场景,画上的人点着灯,做着不同的事,可他们都没有影子,看着很诡异。每次我进这个无影屋,我都会感到纳闷和好奇,难道是工作人员在画这些画时,忘记了画影子吗?

目前,专门针对USV追逃问题的研究尚处于起步阶段,可以借鉴其他领域追逃问题已取得的研究成果,如文献[7]以追捕机器人的视角,通过基于模糊逻辑规则的分层控制系统,以提高其相互协作追捕的能力;文献[9]研究了无障碍物环境下高速运动机器人的追逃问题,利用构建阿波罗尼奥斯圆的方法,分别提出了相对应的追捕和逃跑策略;文献[15]采用微分对策构建动态方程,并使用解耦的多追捕机器人控制策略来规避次优解,获得最优追捕和逃跑方案;文献[16]研究了无人巡逻队在线路径规划问题,提出了基于随机树快速搜索(RRT)的边界巡逻算法,使其可以同时捕获2~3个入侵者。上述这些方法都给USV的抗追捕-逃跑策略的研究带来了启发,但在具体功能实现过程中还需要联系USV的实际情况。如USV在进行逃跑路径规划的过程中,除了必须要考虑航行海区中障碍物的影响外,还需要考虑USV自身操纵约束对航向、航速控制系统的影响,这使得抗追捕-逃跑策略的研究问题变得异常复杂。

本文将从追逃问题中逃跑者的视角,讨论我方USV在受到“蜂群战术”攻击时,如何动态决策逃跑路径以摆脱敌方USVs的追捕。拟利用阿波罗尼奥斯圆的性质和其自身操纵约束建立相关模型,并以此为依据求解出USV在被追捕时的最优逃跑路径。

①通过肺炎双球菌体外细胞培养实验的结果,发现:在体外连续培养多代的S型菌和R型菌,各亚型S型菌均可突变为相应亚型R型菌(S-Ⅰ突变为R-Ⅰ;S-Ⅱ突变为R-Ⅱ)。综合观察现象和实验一结果,得出结论:R型菌是由S型菌突变产生的,且突变仅发生在同亚型间。

1 USV抗追捕-逃跑问题

1.1 USV抗追捕-逃跑问题的数学描述

假设在某有界二维连续环境Ω中(含有障碍物),N艘敌方USVs欲追捕我方USV,其动态方程可表示为

 

(1)

式中:P={P1,P2,…,PN}表示敌方USVs;E表示我方USV;(xP,yP)、(xE,yE)分别表示敌我双方在环境Ω中的位置;ψPψE表示航向角;RPRE分别表示最小转弯半径;vPvE分别表示航速,且满足vP∈[0,VP]、vE∈[0,VE],VPVE分别表示它们的最大速度,其比值λ

λ=VP/VE

(2)

为了增强问题的可研究性,敌我双方各占优势,如敌方USVs的数量多,相应地我方USV的最大航行速度比敌方USVs快。又由文献[17]可知,当λN)时追捕者很难追到逃跑者,此时讨论抗追捕-逃跑问题无实际意义。为此,本文主要研究当敌方USVs和我方USV最大速度比λ∈[sin(π/N),1)时,我方USV抗追捕-逃跑动态路径规划问题。

多艘敌方USVs对我方USV进行追捕,则判定我方USV被敌方USVs捕获的条件为

d(P(xP,yP),E(xE,yE))≤ε

(3)

式中:d(·,·)表示希尔伯特空间的2-范数,ε为敌方USVs捕获半径。若在指定时间内式(3)不成立,或者我方USV提前到达二维连续环境Ω的边界,则判定抗追捕-逃跑成功。

1.2 USV动态逃跑路径规划的系统概述

在USV抗追捕-逃跑问题中,其动态路径规划的系统框架如图1所示。先根据艇载设备(惯导、GPS和声呐等)结合电子海图系统建立环境模型,主要用于获取航行海区的障碍物信息;接着通过路径自主规划算法[5]计算出航向和航速,由回转罗盘和计程仪测得当前实际的航向和航速;最后用计算值和测量值的差值调整操舵仪和调速器,使我方USV按既定的航向和航速航行。

  

图1 动态路径规划的系统框架图Fig.1 Framework of the dynamic path planning system

当我方USV的航海雷达发现敌方USVs时,其雷达探测到敌艇的数量、距离、航向和速度分别为{N,DP,ψP,VP}。将雷达探测的结果输入到抗追捕-逃跑对策中,并按策略指导路径自主规划算法重新计算航向和航速,使其摆脱敌方USVs的跟踪和追捕。

虽然技改后取得了显著成绩,但还要正视与其他厂家的差距,尤其是介耗方面。为了保证磁选机磁性物回收率达到99.8%,国内外厂家均提出磁选机入料中煤泥含量至少要低于25%,在这方面,还需做很多工作。

在抗追捕-逃跑动态路径规划中,主要需要考虑USV的位置、航行方向和速度。因此,可以将航行海区的环境模型简化为二维平面模型,并利用连续环境模型代替离散的棋盘栅格模型。与棋盘栅格模型不同,本文先参考电子海图将该航行海区分为障碍物和可航行海区,其中障碍物包括岛屿、礁石、暗礁、浅滩等可能阻碍航行的区域。采用状态降维法建模对冗余的障碍物轮廓信息进行简化处理,即将该区域中的障碍物抽象成平面多边形。这种模型能较好地反应实际情况,得到的算法更易于工程实现。

1.3 敌方USVs的威胁建模

1.3.1 阿波罗尼奥斯圆

先考虑我方USV与单个敌方USV对弈时的情况,且不考虑它们的体量大小,直接将其等效成质点,P(xp,yp)与E(xe,ye)分别表示它们在平面坐标系中的位置坐标。T(x,y)为该平面内的任意点,满足:

PT/VP=ET/VE

(4)

式中:T点的轨迹就形成阿波罗尼奥斯圆(Apollonius circle),如图2所示。圆上的任意点可以理解为:当敌我双方都采取最大速度航行时,它们能同时到达该点。

  

图2 阿波罗尼奥斯圆Fig.2 Apollonius circle

由平面几何的相关知识可得该阿波罗尼奥斯圆的圆心为半径为

 

(5)

由式(5)可知,rλ正相关,即敌方USV比我方USV的速度慢得越多,则阿波罗尼奥斯圆的半径就越小,我方USV逃跑成功的几率就越大。根据阿波罗尼奥斯圆的特点,敌方USV能成功追捕到我方USV必须发生在圆的边界上或者圆的内部。因此,将该区域定义为敌方USV的理论威胁区域,而且我方USV在逃跑路径规划过程中应尽量绕开该威胁区域。考虑绕开时的临界情况(见图2),过点E作阿波罗尼奥斯圆的切线交于点T,由于阿波罗尼奥斯圆的圆心O、敌方USV的位置点P和我方USV的位置点E三者在一条直线上,则存在:

sin α=OT/OE=(OE×λ)/OE=λ

(6)

式(13)说明当我方USV到达点T时,P2还未到达点P2′,而当P2到达点P2′时,我方USV已到达T′,且存在:

1.3.2 USV的回转特性

由于USV本身具有一定的体量大小,无法实现瞬时原点转向。尤其当USV的被捕获半径ε和回转半径rt在一个数量级时,USV的回转性能对捕获结果有重要影响。例如当USV左转舵时,其重心的运动轨迹如图3所示,其中USV的艇身长度为l、宽度为d,一般有l>d

  

图3 USV的回转性能Fig.3 Turning performance of USV

本实验在如图9所示的环境模型下,其中黑色多边形代表抽象后的障碍物,仿真时间间隔为Δt=1 s。假设有5艘敌方USVs对我方USV进行追捕,敌我双方能实时感知到对方的位置、航向和航速,敌方USVs捕获半径为ε=20 m,且双方的体量大小均为l=6 m,d=2.5 m,则它们的转弯半径均为rt=9 m,保障我方USV不被捕获的安全裕量为Lsafe=38 m。敌我双方USVs的初始仿真参数如表1所示。

1.3.3 敌方USVs的威胁模型

理论上,无论敌方USVs采取何种追捕策略,只要我方USV不进入敌方USVs的阿波罗尼奥斯圆内,就一定不会被捕获。但实际上,受到捕获半径和回转性能的影响,两者之间还需要留有一定的安全裕量,才能保证我方USV的安全。

假设某时刻敌方USV与我方USV的位置和航行方向如图4所示,若要保证我方USV不被捕获,则它们之间的距离至少要大于捕获半径ε,而且还要预留出足够的回转安全距离2rt。基于此,定义两者之间的安全裕量为

Lsafe=ε+2rt

(7)

  

图4 安全裕量Fig.4 Safety allowance

我方USV在抗追捕-逃跑的过程中,除了要尽量避开阿波罗尼奥斯圆定义的威胁区域外,还需要考虑安全裕量。因此,本文对阿波罗尼奥斯圆区域进行“膨胀”处理,具体过程如图5所示。

2)在模拟的基础上,对风筒位置及喷雾布置方式进行优化,经现场测试得出,当风筒优化后硫化氢体积分数降低了约6.3%,同时对掘进机的外喷雾布置方式进行优化后,发现硫化氢的治理效率均值达到了95.6%,较未优化前平均值提高了6.2%,经过优化后大幅提高了综掘工作面硫化氢的治理效率。

图5中敌方USV威胁区域和阿波罗尼奥斯圆的圆心重合,半径由r变为r′ (r′=r+Lsafe)。在后续逃跑路径规划过程中,敌方USVs的威胁区域为“膨胀”后的阿波罗尼奥斯圆区域。

2 抗追捕-逃跑策略

在敌方USVs的数量多但航行速度略慢的前提条件下,我方USV能否逃跑成功尚待研究。同时,在抗追捕-逃跑策略研究过程中,应考虑与USV密切相关的约束条件,如障碍物、捕获半径、回转特性和航行海区边界等,这些约束条件与被包围状态确定和抗追捕-逃跑对策的执行息息相关。

  

图5 敌方USV威胁区域Fig.5 Threaten area of enemy USV

2.1 被包围状态分析

通过计算阿波罗尼奥斯圆和安全裕量,可以得到单个敌方USV的威胁区域,而在“蜂群战术”背景下,多艘敌方USVs的追捕威胁范围将会“叠加”。根据我方USV的位置和敌方USVs的威胁区域,可以确定被包围状态集S={S1,S2,S3,S4}:①未包围状态S1,此时我方USV在由敌方USVs构成包围圈的外部;②半包围状态S2,此时我方USV虽然在包围圈内部,但相邻的两艘USVs威胁区域之间有明显缺口;③临界包围状态S3,此时我方USV在敌方USVs包围圈内部,但存在至少两个相邻敌方USVs威胁区域相切,且该切点不属于任何其他敌方USVs的威胁区域;④全包围状态S4,此时我方USV在敌方USVs包围圈内部,且相邻敌方USVs威胁区域全部相交。以N=4为例,上述四种状态的具体情况分别如图6所示。

  

图6 被包围状态示意图Fig.6 Schematic diagram of the bound states

2.2 抗追捕-逃跑对策分析

无论敌方USVs采取何种追捕策略,我方USV会根据处于被包围的状态做出相应的响应,即抗追捕-逃跑对策集可以表示为SA,其中A={A1,A2,A3,A4},具体分析如下:

策略A1:在未包围状态S1下,向远离敌方USVs构成的包围圈方向逃跑。

由于我方USV不在敌方USVs包围圈内部,故只要向远离包围圈的方向逃跑,凭借自身速度优势,很容易逃脱敌方USVs的追捕,证明过程略。

策略A2:在半包围状态S2下,向相邻的两艘USVs威胁区域之间的缺口方向逃跑。

证明:如图7所示,在∠AEB的方向存在缺口,则我方USV朝着∠AEB的方向逃跑,设C为我方USV航行方向上的任意点,为追捕方向,D为其威胁区域边界上的一点,则有P1经过时间t到达D′,则

  

图7 半包围状态下逃跑示意图Fig.7 Escape schematic under semi-encircled state

从仿真开始到我方USV最终逃离敌方无人包围的过程如图9所示,图9(a)表示初始时刻,双方USVs均在初始位置,我方USV处于被敌方USVs完全包围状态S4,根据策略A4应向威胁区域的“最远交点”方向逃跑。执行策略A4航行28个时间间隔后,我方USV仍处于被全包围状态如图9(b)所示,但此时“最远交点”的位置发生变化,则根据策略A4实时调整我方USV的运动方向。在执行该策略114 s后如图9(c)所示,敌方USVs的包围圈出现可逃生“缺口”,则按策略A2我方USV该缺口方向逃跑。若敌方USVs继续采用最优策略追捕115 s后,如图9(d)所示我方USV与敌方USVP5之间的距离达到最近,此时P5E=43 m,仍大于安全裕量Lsafe

 

(8)

(9)

 

(10)

4)按式(1)计算出我方USV以当前速度vE(t)和方向ψE(t)航行Δt(时间间隔)到达的位置判断从E是否经过障碍物,若否,则按当前规划策略航行后,转步骤5);若是,则采用可视图法寻找最近的障碍物顶点,并朝该顶点方向航行后,再转步骤5)。

但我们也应注意,一方面,文辞、曲律并非戏曲审美的新鲜元素,在元代以来的多种对元曲成就有所标举的曲论中,均是重要的审美构成与评价标准,其于嘉、万时期的抬升,有着承应元人艺术审美因子的性质。另一方面,文辞、音律一直是文人曲学的主要审美构成,因此这些艺术性要素的抬升,也实则是明代戏曲文人化发展脉络的重要表现。

策略A3:在临界包围状态S3下,向相邻两艘USVs威胁区域的切点方向逃跑。

证明:如图8所示,在临界包围状态下,相邻两艘P2P3的威胁区域相切于点T。假设在时刻tP2到达离切点T最近的点根据阿波罗尼奥斯圆的性质,E亦可到达点此时有

又由于为直角三角形,则存在则有

 

(11)

  

图8 临界包围状态下逃跑示意图Fig.8 Escape schematic under critical surround state

若我方USV朝着切点T的方向运动,到达点T的时间为

 

(12)

对照组患者单独采用胺碘酮进行治疗,首次剂量为150 mg,溶于20 mL0.9%氯化钠溶液中,10 min内静脉滴注完成,间隔15 min后可重复用药。根据患者病情变化,可适当减少给药剂量。静脉给药停止后,改口服胺碘酮,每天600 mg,联用7d后,改药量为每天400 mg,同样服药7 d;观察组患者在此基础上,联合服用倍他乐克缓释片,口服,每次11.875 mg,每天服药1次,观察无明显不良反应后,则每2周增加药量,达到目标剂量后可长期口服。

 

(13)

式(6)说明,α与敌我双方USVs的位置无关,它只与两者的最大速度比λ相关。

 

(14)

上述推导过程说明此时我方USV已安全逃脱。同理,P3亦无法追上我方USV,故我方USV可以朝着切点方向逃脱。

策略A4:在全包围状态S4下,向最远的相邻USVs威胁区域的交点方向逃跑。

网络语气词如“我去”“我汗”“我擦”等其主要功能是承载情绪宣泄和表示不满和意外的。最初“A了(嘞)个B”式就在此类词中产生。

在全包围状态下,我方USV不一定能逃脱敌方USVs的追捕。本文选择向最远的相邻USVs的威胁区域的交点方向逃跑,一方面可以最大限度的拖延被捕获时间;另一方面,若敌方USVs没有采用最优追捕方法[17]时,我方USV很可能由全包围状

态变成临界包围状态,此时再执行策略A3即可逃脱,证明过程略。

2.3 算法流程

根据上文建立的系统模型和抗追捕-逃跑策略,确定我方USV的逃跑路径规划算法流程如下:

1)确定航行海区的环境模型,利用电子海图系统的数据对该区域进行障碍物建模。初始化我方USV和N艘敌方USVs的位置、航速和航向。

2)通过式(3)判断此时刻我方USV是否被捕获,若被捕获则我方USV抗追捕-逃跑失败,算法结束;否则,转入步骤3)。

3)根据当前时刻USV的位置E计算出敌方USVs的威胁区域,确定我方USV被追捕的状态S(t)∈S,执行对应的抗追捕-逃跑策略A(t)∈A,规划出下一时刻我方USV的航行方向ψE(t),并转步骤4)。

上述推导过程说明当E到达点C时,P1无法到达点C′,即两者之间的距离大于Lsafe。故P1无法追上E,同理可证其他USVs亦无法追上,故我方USV可以朝着缺口的方向逃脱。

5)判断我方USV是否到达航行海区的边界,若是,则转步骤6);若否,则转至步骤3)。

目前,我国相继出台新能源的管理政策,采用创新的服务模式,明确系统的评审职责,对新能源管理给予了政策支持和保护。但是,在实际管理过程中,并没有明确各个环节的职责,导致工程项目漏洞百出,一旦出现问题找不到出错的环节,也无法找到责任人,进而出现推诿的现象,严重影响后续工作的顺利进行。

6)我方USV抗追捕-逃跑成功,动态逃跑路径规划结束。

3 仿真实现及结果分析

由于USV属于一般小型船舶,本文取回转半径rt=3l/2。从图3中可以看出转弯的弧度越大,其航行轨迹越长且耗时越多。因此,在“蜂群战术”背景下,必须考虑其回转性能对抗追捕-逃跑策略的影响。

若敌方USVs和我方USV分别用时间tP1tE到达点C′和C,则有:

接下来,执行策略A1朝着远离敌方USVs包围圈的方向航行即可。如图9(e)所示,我方USV朝着边界方向航行120 s后成功脱险。

  

图9 抗追捕-逃跑过程Fig.9 Process of anti-pursuit evasion

 

1 仿真参数设置Table 1 Simulation parameters initial values

  

初始位置/km初始航向/rad初始航速/(m·s-1)E(2.525,1.690)0.2210P1(3.255,0.790)1.328P2(1.000,0.545)2.598P3(2.675,3.795)0.328P4(4.475,2.175)0.518P5(0.835,2.665)1.208

为了验证本文策略的有效性,进行了20×100组随机试验,如表2所示。在试验过程中,随机生成敌我双方USVs的初始位置和航行方向,并依次模拟敌方USVs的数量N为3、4、5、6、7、9、11、13时,在追逃速度比λ∈[sin(π/N),1)的情况下,敌方USVs采用最优追捕方法,我方USV采用本文策略能够逃跑成功的概率。

茶是我国重要的叶用经济作物,茶中类胡萝卜素同其它高等植物一样具有多种生理功能,在其正常生命活动中扮演着极其重要的角色。叶片中类胡萝卜素对茶叶的色泽、香气等方面有着重要作用,与制茶品质息息相关,同时类胡萝卜素也是茶叶中一类重要的生物活性成分,具有众多的生理药理功能。因此,对茶中类胡萝卜素的研究具有重要的理论意义和应用前景。同时,随着茶基因组测序完成,生物工程技术在茶树上应用逐渐成熟,茶类胡萝卜素的研究应用将迈上一个崭新的台阶。

表2显示在追逃速度比λ不变的情况下,随着敌方USVs的数量增多,我方USV的逃跑成功率整体上呈下降趋势。同时,若敌方USVs的数量一定,我方USV的逃跑成功率随着追逃速度比λ的增大而减小。

 

2 追捕结果Table 2 Capture results

  

NλVP/(m·s-1)VE/(m·s-1)试验次数逃跑成功率/%30.991010010030.999.9101009940.881010010040.99101009740.999.9101009650.771010010050.88101009950.99101009350.999.9101008860.771010010060.88101009660.99101009260.999.9101008770.661010010070.88101009770.99101008970.999.9101008590.999.91010081110.999.91010073130.999.91010060

4 结论

1)利用阿波罗尼奥斯圆和安全裕量的敌方USVs威胁区域建模方法,提高了抗追捕-逃跑问题模型的准确性。

2)采用状态降维法对冗余的障碍物轮廓信息进行简化处理,以减少动态路径规划的计算量。

宫腔粘连是指子宫内膜基底层受损,并修复困难,导致宫腔部分或全部粘连、闭塞,多发生于有宫腔操作手术患者中[1],临床表现为腹痛、月经量少、闭经、流产及不孕等。通过宫腔镜下宫腔粘连分离术进行治疗,但是治疗后容易病灶复发,再次形成粘连及闭塞,阻止复发是治疗成败的关键。雌激素、孕激素周期性的与子宫内膜上的受体结合,而发挥其生物学效应[2]。本研究分析不同程度的宫腔粘连患者子宫内膜雌激素受体(ER)和受体孕激素(PR)的表达水平差异,以指导后期临床用药,现将结果总结如下。

3)引入被包围状态集及其对应的抗追捕-逃跑策略集,以两者之间的映射关系为依据动态调整逃跑方向,并通过仿真验证了本文提出的策略有助于我方USV突破敌方USVs的包围。

为了进一步提高USV的自主性能,更好的适应未来作战环境,对于多艘USVs协同自主控制是后续研究的重点。

潘美丽那始终带着怒火的声音拉得老长:老邓啊,你们这还做不做笔录啊,是不是只记那些臭不要脸的?她说着恶狠狠地瞪了一眼梨花,梨花的头埋得很低。老邓重重地拍了一下桌子,大家吓了一跳,潘美丽下意识地用双手捂住头。

参考文献

[1] CAMPBELL S, NAEEM W, IRWIN G W. A review on improving the autonomy of unmanned surface vehicles through intelligent collision avoidance manoeuvres[J]. Annual reviews in control, 2012, 36(2): 267-283.

[2] 廖煜雷, 刘鹏, 王建, 等. 基于改进人工鱼群算法的无人艇控制参数优化[J]. 哈尔滨工程大学学报, 2014, 35(7): 800-806.

LIAO Yulei, LIU Peng, WANG Jian, et al. Control parameter optimization for the unmanned surface vehicle with the improved artificial fish swarm algorithm[J]. Journal of Harbin Engineering University, 2014, 35(7): 800-806.

[3] WU Gongxing, SHI Danda, GUO Jiamin. Deliberative collision avoidance for unmanned surface vehicle based on the directional weight[J]. Journal of Shanghai Jiao Tong University (science), 2016, 21(3): 307-312.

[4] FUKUTO J, IMAZU H. New collision alarm algorithm using obstacle zone by target (OZT)[J]. IFAC proceedings volumes, 2013, 46(33): 91-96.

[5] 苏义鑫, 石兵华, 张华军. 水面无人艇航迹规划算法设计与仿真[J]. 武汉理工大学学报, 2016, 38(6): 84-88.

SU Yixin, SHI Binghua, ZHANG Huajun. Design and simulation of a path planning algorithm for unmanned surface vehicle[J]. Journal of Wuhan University of Technology, 2016, 38(6): 84-88.

[6] 赵金, 彭刚. 基于NEAT方法的多机器人追捕-逃跑问题[J]. 华中科技大学学报(自然科学版), 2011, 39(S2): 332-334, 339.

ZHAO Jin, PENG Gang. A multi-robots pursuit evasion problem based on NEAT solution[J]. Journal of Huazhong University of Science & Technology (natural science edition), 2011, 39(S2): 332-334, 339.

[7] HLADEK D, VAK J, K P. Multi-robot control system for pursuit-evasion problem[J]. Journal of electrical engineering, 2009, 60(3): 143-148.

[8] 周浦城, 洪炳镕. 基于对策论的群机器人追捕-逃跑问题研究[J]. 哈尔滨工业大学学报, 2003, 35(9): 1056-1059.

ZHOU Pucheng, HONG Bingrong. Group robot pursuit-evasion problem based on game theory[J]. Journal of Harbin Institute of Technology, 2003, 35(9): 1056-1059.

[9] RAMANA M V, KOTHARI M. Pursuit-evasion games of high speed evader[J]. Journal of intelligent & robotic systems, 2017, 85(2): 293-306.

[10] 龚华军, 杨长锋, 王彪, 等. 无人机的追逃对抗仿真研究[J]. 控制理论与应用, 2009, 26(9): 1019-1022.

GONG Huajun, YANG Changfeng, WANG Biao, et al. Simulation of pursuit-evasion among multi-UAV[J]. Control theory & applications, 2009, 26(9): 1019-1022.

[11] PEHLIVANOGLU Y V. A new vibrational genetic algorithm enhanced with a Voronoi diagram for path planning of autonomous UAV[J]. Aerospace science and technology, 2012, 16(1): 47-55.

[12] 李龙跃, 刘付显, 史向峰, 等. 导弹追逃博弈微分对策建模与求解[J]. 系统工程理论与实践, 2016, 36(8): 2161-2168.

LI Longyue, LIU Fuxian, SHI Xiangfeng, et al. Differential game model and solving method for missile pursuit-evasion[J]. Systems engineering-theory & practice, 2016, 36(8): 2161-2168.

[13] 刘卫东, 程瑞锋, 高立娥, 等. 水下微分对策协同拦截制导策略[J]. 兵工学报, 2016, 37(9): 1684-1691.

LIU Weidong, CHENG Ruifeng, GAO Li′e, et al. Cooperative engagement-based differential guidance law for underwater interceptor[J]. Acta armamentarii, 2016, 37(9): 1684-1691.

[14] FARINELLI A, IOCCHI L, NARDI D. Distributed on-line dynamic task assignment for multi-robot patrolling[J]. Autonomous robots, 2017, 41(6): 1321-1345.

[15] JIANHUA G, LIANG Tang, JOHAN R, et al. Suboptimal approaches to multiplayer pursuit-evasion differential games[C]//AIAA Guidance, Navigation, and Control Conference and Exhibit. Keystone, Colorado, 2006: 261-291.

[16] LAU G, LIU H H T. Real-time path planning algorithm for autonomous border patrol: design, simulation, and experimentation[J]. Journal of intelligent & robotic systems, 2014, 75(3/4): 517-539.

[17] 方宝富, 潘启树, 洪炳镕, 等. 多追捕者-单-逃跑者追逃问题实现成功捕获的约束条件[J]. 机器人, 2012, 34(3): 282-291.

FANG Baofu, PAN Qishu, HONG Bingrong, et al. Constraint conditions of successful capture in multi-pursuers vs one-evader games[J]. Robot, 2012, 34(3): 282-291.

 
苏义鑫,石兵华,张华军,李子璇,王晨
《哈尔滨工程大学学报》2018年第06期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网,上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿,论文发表指导正规机构。是您首选最可靠,最快速的期刊论文发表网站。
免责声明:本网站部分资源、信息来源于网络,完全免费共享,仅供学习和研究使用,版权和著作权归原作者所有
如有不愿意被转载的情况,请通知我们删除已转载的信息 粤ICP备2023046998号